Метод розпізнавання емоцій на основі згорткової нейронної мережі та алгоритму оптимізації «Чорна вдова» Автори: Pratiksha Deshmukh, Harshali Patil Анотація: Передумови. Автоматизований метод розпізнавання емоцій (ER) набув популярності в різних сферах застосування, зокрема у психології та охороні психічного здоров’я. Для досягнення цієї мети використовують алгоритми глибокого навчання. Ці алгоритми виділяють відповідні ознаки із зображень у наборі даних і розпізнають емоції. Методологія. У цій статті розроблено метод розпізнавання емоцій на основі згорткової нейронної мережі (CNN). Основну увагу приділено тонкому налаштуванню гіперпараметрів навчання алгоритму CNN за допомогою метаевристичного алгоритму оптимізації «Чорна вдова» (BWO) з метою підвищення точності розпізнавання. Алгоритм BWO ґрунтується на процесі спарювання павуків виду «чорна вдова» і, порівняно з іншими метаевристичними алгоритмами, забезпечує кращу швидкість збіжності під час пошуку оптимального розв’язку. Результати. Запропонований метод було змодельовано на наборі даних FER2013. Набір даних розділили у співвідношенні 70:30: 70 % використали для навчання, а 30 % — для тестування. Запропонований метод продемонстрував високі результати розпізнавання різних емоцій за показниками ефективності: середня частка правильних класифікацій становила 0,99392, точність (precision) — 0,98467, повнота (recall) — 0,98117, а показник F1 — 0,96731. Крім того, проведено порівняльний аналіз запропонованого підходу з наявними дослідженнями. Результати свідчать про кращі показники завдяки використанню стратегії тонкого налаштування гіперпараметрів у запропонованому методі. Висновки та рекомендації. Запропонований метод ER ефективно розпізнає різні емоції. Однак використання того самого набору даних для навчання й тестування негативно впливає на стійкість моделі та її здатність до узагальнення. Тому в майбутньому планується об’єднати кілька наборів даних і збалансувати їх для оцінювання ефективності запропонованого методу.